Params 'pad_out_{}_' are deprecated. Please declare upsample height and width useing the upsample_h, upsample_w parameters.

查了一下，segnet的长宽需要设成32的倍数，要不然就要指定upsample_w upsample_h 大小；
参考链接：
https://blog.csdn.net/hong__fang/article/details/78421803?utm_source=blogxgwz8

message UpsampleParameter {
// DEPRECATED. No need to specify upsampling scale factors when
// exact output shape is given by upsample_h, upsample_w parameters.
optional uint32 scale = 1 [default = 2];
// DEPRECATED. No need to specify upsampling scale factors when
// exact output shape is given by upsample_h, upsample_w parameters.
optional uint32 scale_h = 2;
// DEPRECATED. No need to specify upsampling scale factors when
// exact output shape is given by upsample_h, upsample_w parameters.
optional uint32 scale_w = 3;
// DEPRECATED. Specify exact output height using upsample_h. This
// parameter only works when scale is 2
optional bool pad_out_h = 4 [default = false];
// DEPRECATED. Specify exact output width using upsample_w. This
// parameter only works when scale is 2
optional bool pad_out_w = 5 [default = false];
optional uint32 upsample_h = 6;
optional uint32 upsample_w = 7;
}
可设置参数为：
scale
scale_h scale_w
pad_out_h pad_out_w
upsample_h upsample_w

（1）先判断是否指定 upsample_hupsample_w，如果指定，大小为指定大小，否则（2）

（2）判断是否指定 scale_h， 如果未指定， scale_h_ = scale_w_ = scale，否则（3）

（3）scale_h_ = scale_h scale_w_=scale_w

只有scale_h_ = scale_w_ =2时，才可以指定pad_out_h，pad_out_w，否则错误，如果是（2）（3）则top特征图大小为：

   upsample_h_ = bottom[0]->height() *  scale_h_ - int(pad_out_h) 

   upsample_w_ = bottom[0]->width() *  scale_w_ - int(pad_out_w) 

注：

（1）如果输入图像的高和宽不是32的整数倍，需要指定upsample_h, upsample_w的大小，不然会出现维度不一致的错误，原因是upsample需要借助编码过程中pool层的位置信息，例如： pool前特征图大小为45， pool后为23，如果直接对23 unsample， 其大小为46， 而pool产生的位置图大小为45，造成upsample时大小不一致；

（2）指定upsample_h upsample_w的大小时，需要根据编码过程中对应pool特征图的大小，来设定upsample的大小，例如样例proto中输入图像大小为480*360， 以360分析：360—pool1（180）—pool2 （90）—pool3 （45）—pool4（23）—pool5（12）， upsample5需要借助pool4位置信息，需要与pool4大小一致，因此upsamle_h=23 ~
layer {
name: "upsample4"
type: "Upsample"
bottom: "conv5_1_D"
top: "pool4_D"
bottom: "pool4_mask"
upsample_param {
scale: 2
upsample_w: 60
upsample_h: 45
}
}

我的解决办法：
在出错前面caffe会打印出top维度，一个个翻pool 的top，如下：
relu4_3 <- conv4_3
I1214 11:57:49.440979 20931 net.cpp:395] relu4_3 -> conv4_3 (in-place)
I1214 11:57:49.440987 20931 net.cpp:150] Setting up relu4_3
I1214 11:57:49.440994 20931 net.cpp:157] Top shape: 1 64 25 25 (40000)
I1214 11:57:49.440999 20931 net.cpp:165] Memory required for data: 119680000
I1214 11:57:49.441007 20931 layer_factory.hpp:77] Creating layer pool4
I1214 11:57:49.441026 20931 net.cpp:100] Creating Layer pool4
I1214 11:57:49.441032 20931 net.cpp:434] pool4 <- conv4_3
I1214 11:57:49.441041 20931 net.cpp:408] pool4 -> pool4
I1214 11:57:49.441049 20931 net.cpp:408] pool4 -> pool4_mask
I1214 11:57:49.441085 20931 net.cpp:150] Setting up pool4
I1214 11:57:49.441094 20931 net.cpp:157] Top shape: 1 64 13 13 (10816)
I1214 11:57:49.441102 20931 net.cpp:157] Top shape: 1 64 13 13 (10816)
I1214 11:57:49.441107 20931 net.cpp:165] Memory required for data: 119766528
I1214 11:57:49.441112 20931 layer_factory.hpp:77] Creating layer upsample4
I1214 11:57:49.441119 20931 net.cpp:100] Creating Layer upsample4
I1214 11:57:49.441126 20931 net.cpp:434] upsample4 <- pool4
I1214 11:57:49.441133 20931 net.cpp:434] upsample4 <- pool4_mask

Top shape: 1 64 13 13 (10816)
13 13 就是一个。
但是upsample4 对应上pool3 的top